周竹梅 刘荔荔 孙晓妍
【摘 要】 加快企业数字化转型，增加研发投入，是提高企业创新能力、实现中国式现代化的重要保障。文章以高阶理论和烙印理论为基础，采用2010—2021年沪深A股上市公司面板数据为研究样本，从整体和不同维度两个方面研究高管团队异质性对研发投入的影响，以及数字化转型在其中的作用。结果表明：高管团队异质性可以通过推进数字化转型显着增加企业研发投入，但不同维度呈现差异化影响。据此，企业应通过人才招聘、职业培训等方式适当提高高管团队异质性水平，优化管理层结构，强化高管团队异质性优势；同时根据业务需求深入推进数字化转型，进一步整合内外部创新资源，充分发挥其中介效应，提升企业研发投入水平。
【关键词】 高管团队异质性； 数字化转型； 研发投入
【中图分类号】 F279.2 【文献标识码】 A 【文章编号】 1004-5937（2023）24-0115-08
一、引言
当前数字经济蓬勃发展，企业创新能力在数字化转型的支持下不断成长，以GPT-3.5架构为主力模型的ChatGPT更是标志着强人工智能时代的开始。党的二十大报告指出要加强企业主导的产学研深度融合，强化企业科技创新主体地位；加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。企业数字化转型和创新能力提升是国家数字经济和实体经济深度融合的微观映射，高层管理团队作为制定组织战略决策的核心群体，其异质性水平对企业数字化转型和创新战略的选择具有至关重要的影响。因此，在数字经济背景下探讨高管团队异质性如何增加企业研发投入进而促进创新，成为理论和实践研究的重要课题。
研究表明企业研发资金、人员投入越密集，具有异质性与稀缺性的专利技术等创新产出能力便越强[1-2]。《2022年全国科技经费投入统计公报》数据显示，2022年我国共投入研发经费30 782.9亿元，相较于2021年增长10.1%，投入强度较2021年提高0.11个百分点；《2023年全球创新指数》报告数据表明，我国排名第12位，与发达国家依然存在较大差距。为进一步缩小与其他国家的创新差距，企业应不断调整创新战略，提高对研发投入的重视程度。当前以人工智能、云计算等为代表的数字前沿技术正引领新一轮产业变革，成为创新驱动发展的重要抓手，数据资产、流程资产、模型资产等企业级数字化资产也成为新的价值资产[3]，因此，企业在增加研发投入的同时应重视数字化转型[4]。
基于此，本文以2010—2021年A股上市公司为样本，运用中介效应模型实证检验高管团队异质性对企业研发投入的影响以及数字化转型的中介作用。其主要贡献在于：第一，从高管团队异质性出发对企业研发投入影响因素进行探讨，为优化高层管理结构、促进研发投入提供理论支持；第二，分别从整体和不同维度两个方面分析高管团队异质性，拓展了以往研究中单一维度异质性研究的不足；第三，将数字化转型纳入同一分析框架，更加体现当前时代特征，有助于企业数字化转型的深入推进。
二、文献回顾与研究假设
（一）文献回顾
高管团队异质性是指高层管理人员在年龄、性别、教育背景、职业背景、海外背景和政治背景等方面所呈现的差异化程度。这一概念源自Hambrick et al.[5]提出的“高阶理论”，该理论认为高管团队可度量人口特征与其价值观塑造具有密切联系，从而对企业行为产生重要影响。当前关于高管团队异质性对企业研发创新的影响研究存在两种观点，即社会认同理论和信息决策理论。
社会认同理论强调个体对群体的强烈认同感，认为各成员在背景特征上的相似度越高，越具有相类似的价值判断，从而使团队成员协同配合产生强大凝聚力以促进企业创新；相反，背景特征差异较大的团队则会因思维差异与沟通矛盾产生合作障碍，最终影响企业战略决策和技术创新。如朱明琪等[6]研究认为高管团队平均受教育水平越高，越有利于企业通过增加研发投入提高绩效；刘鑫等[7]研究指出高管团队职能背景多样性引起的情感冲突和认知冲突对企业创新具有破坏作用。而信息决策理论则更强调信息的多元化和有效性对决策的重要作用，认为高管团队年龄、职业、教育等异质性水平越高，差异化信息的互补性越强，企业越容易制定高水平的创新战略；但若高管团队更具有同质性，其信息来源和思维模式较为统一，便难以产生技术创新所需的突破性思维。如郭军等[8]研究指出高管团队教育背景、职业背景等异质性越大，技术创新程度越强。
综上，以往文献通常是基于高管团队异质性的某一维度进行研究，对研发创新的影响也没有形成一致的结论，另外，随着数字经济的迅速发展，数字化转型成为企业未来高质量发展的重要方向，其对高管团队异质性与企业研发投入的关系是否产生影响也有必要进一步探讨。基于此，本文拟对“高管团队异质性—数字化转型—企业研发投入”之间的关系进行识别检验，为优化企业高管团队、促进研发投入提供新的文献补充。
（二）研究假设
根据高阶理论和烙印理论，高管团队人口特征和自身经历烙印与个体认知度、价值观和判断力紧密相连，并最终通过信息处理、资源利用以及决策制定等对企业行为产生重要影响。首先，从信息处理角度看，异质性高的管理团队社会网络更复杂，信息获取渠道更广泛[9]，丰富的信息可以让企业在较短的时间内感受到外部市场环境的变化，从而及时调整创新策略，抓住创新机会并加大研发投入。其次，从资源利用角度看，与同质性较强的高管团队相比，异质性团队拥有更多样化的社会资本和社会阅历，在研发时可以为企业提供不同类别的内外部资源[10]，其中既包括资金、材料、设备等物质资源，也包括知识、技术、能力等无形资源，因此可以为企业持续性提高研发投入提供更多的资源保障。最后，对于企业决策制定，研究认为高管成员的高同质化容易使团队决策走向极端[11]，而异质性较高的团队成员由于其知识、思想、技能更丰富，所以思考问题的角度和关注点各有不同，在制定决策时不会过分依赖原有路径，更能够打破思维定式[12]，也因此在制定研发投入决策时可以具备更高的市场判断力以及更加多元化的决策水平。综上，本文提出假设1。
H1：高管团队异质性与企业研发投入正相关。
数字化转型是指企业利用计算机等数字技术使数字元素与现有产品相结合，同时对信息进行数字化转变，加速信息技术与产业的跨界融合，促进传统业务流程和商业模式实现数字化变革。高管团队异质性带来的在信息处理、资源利用以及决策制定等方面的优势会促使企业更多接触数字认知资源，提升数字化思维能力，从而积极开展数字化转型。研究也发现异质性较高的高管团队，在利用其丰富的信息网络捕获到其他企业进行数字化转型并实现创新能力增长之后，会有更强的数字化转型动机[13]，面对政府的产业数字化等相关政策补贴更能够抓住机会窗口，获取更多创新资源，为企业进一步融入数字生态系统提供支持和保障[14]。
数字化转型在企业内部作为技术驱动型变革[15]，可以从创新资源配置和企业形象塑造两个方面促进研发投入增长。一方面，企业面对快速变化的市场竞争环境，可以利用物联网、大数据、人工智能等数字工具快速提高资源配置效率，将资源尽可能与未来发展密切相关的研发项目相匹配，从而提高研发投入水平。如研究认为企业不仅可以运用区块链进一步整合供应链资源以提高研发投入[16]，还可以通过云计算节约存储等硬件设备的购买及维修费用，从而使企业将更多资金投入创新与研发[17]。另一方面，研究表明企业进行数字化转型还有利于营造开放、透明的经营环境，降低其与投资者之间的信息不对称现象，更好塑造企业形象[18-19]，从而得到投资者更多信任和支持，通过高效配置资金，提升企业研发投入水平。根据上述分析，本文提出假设2。
H2：数字化转型在高管团队异质性特征与企业研发投入之间发挥中介效应。
三、研究设计
（一）样本选取及数据来源
党的十八大以来，围绕创新驱动发展战略，党中央提出了一系列具有深远影响的原创性思想，创新已成为新时代新发展理念的基调和底色。因此，本文选取2010—2021年沪深A股上市公司为研究样本。数据来自企业年报、CSMAR数据库以及Wind数据库，部分缺失值通过手工整理补充。鉴于样本的有效性，对样本进行如下筛选：（1）剔除ST及*ST相关上市公司；（2）剔除金融类公司；（3）剔除10年内数字化转型全部空缺以及研发投入全部空缺或未进行相关披露的公司。经上述整理和筛选后，最终选取了17 688个样本，并对所有连续变量在上下1%进行缩尾处理以消除极端值影响。
（二）变量选取
1.被解释变量：企业研发投入
以往学者在进行企业研发投入相关研究时，其衡量指标一般分为两种，一种属于绝对值，以研发投入总额作为研究对象；另一种属于相对值，即采用研发投入总额与总资产的比值作为衡量指标。由于研发活动具有投资高、周期长等特点，本文将采用各企业下一年的研发投入总额加 1后取自然对数衡量企业的研发投入，并用第二种方法进行稳健性检验。
2.解释变量：高管团队异质性
本文参考张明等[20]的研究，从以下六个方面测度高管团队异质性：年龄、性别、教育背景、海外背景、职业背景和政治背景。其中年龄异质性采用变异系数法，即计算标准差与均值的比值；其他五个变量均采用Blau分类指数进行计算，即通过不同特质高管在团队中所占比例的平方和衡量其离散程度。高管总人数为企业年报中披露的高级管理人员总人数，具体计算方法如下：
其中，H指数代表高管团队异质性，当分类变量越分散，异质性水平越大，该指数越接近于1；反之，则越接近于0。Pijt代表j公司第t年高管团队中第i类成员占团队总人数的比重，n为性别、教育、海外、职业、政治背景类别。具体测度方法如下：（1）性别异质性：赋值男性=1，女性=0。（2）教育背景异质性：对高管受教育水平划分为五个等级：高中及以下、大学专科、本科、硕士、博士及以上，并分别取值1、2、3、4和5。（3）海外背景异质性特征：高管成员分类为海外求学、海外任职、二者兼有或无海外背景，分别取值为1、2、3、4。（4）职业背景异质性：其赋值方法为1=生产，2=研发，3=设计，4=人力资源，5=管理，6=市场，7=金融，8=财务，9=法律。（5）政治背景异质性：按照高管人员是否曾在政府部门任职，或是否通过人际关系网络及公益活动与政府具有关联进行划分，有政治背景=1；无政治背景=0。最后，将上述六个指标进行计算处理后取平均值，即可得到高管团队异质性综合指标（TMT）。
3.中介变量：数字化转型
参考吴非等[21]的方法，首先利用Python对A股上市公司年度报告进行下载。其次通过Java PDFBox文档协作类库对其中所有文本内容进行提取，并查找匹配文本中与企业数字化转型相关的关键词。其中，关键词的选取主要包括数字化转型的“底层技术运用”与“技术实践运用”两类。前者为数字化转型的四种典型底层技术，即人工智能、大数据、云计算、区块链；后者为这类技术在具体实践中的运用表现即数字技术运用的词条归类。在上述基础上，将关键词与A股上市企业进行匹配加总，由此得到数字化转型的初始指标。最后，借鉴申明浩等[22]的计算方法对企业数字化转型进行测度，具体计算公式如下：
其中：Edt代表i企业第t年年度报告中披露的有关数字化转型的词频总和，Edti，t表示对Edt 进行反双曲正弦变换，该变换使得计算结果即使对较小的取值也具有良好的定义。
4.控制变量
借鉴已有企业文献研究，本文选择以下控制变量：净资产收益率（ROE）、权益乘数（EM）、前十大股东持股比例（Top10）、经营杠杆（DOL）、流动比率（CR）、企业规模（Size）；除此之外，引入年度以及行业虚拟变量。
各变量定义参见表1。
（三）模型构建
为验证H1，即高管团队异质性与企业研发投入之间的关系，构建模型1：
为检验H2，即数字化转型的中介作用，参考温忠麟等[23]关于中介效应的检验步骤：第一，检验高管团队异质性与企业研发投入之间的总体效应，该效应已在模型1中得以验证。第二，检验高管团队异质性与数字化转型的相关性以及数字化转型与企业研发投入的相关性，构建模型2、模型3。第三，总体效应模型中加入中介变量数字化转型，观察模型3中高管团队异质性与企业研发投入的直接效应是否显着，若显着，则说明数字化转型具有部分中介效应；若不显着，则说明具有完全中介效应。具体模型如下：
四、实证结果与分析
（一）描述性统计分析
表2列示了本文主要变量的描述性统计。从被解释变量看企业研发投入最大值为22.01，最小值为0，标准差为6.25，说明不同行业不同企业的创新意愿以及对研发投入的重视程度各不相同，并且差距较大；从解释变量看，高管团队异质性的最小值和最大值分别是0.08和0.48，说明各企业之间高管团队异质性程度存在较大差别；从中介变量看，不同企业选择数字化转型的战略意识以及数字化转型程度差异较为明显，最小值为0，没有进行数字化转型，最大值为4.98，数字化转型程度更深入，其均值为1.35， 呈现左偏性特征，说明我国企业数字化转型的整体进程仍需进一步推进。其他控制变量与他人之前研究基本一致，不再过多阐述。
（二）相关性分析
表3的相关系数检验结果表明TMT与R&D在1%的水平上显着正相关，初步证实了高管团队异质性与企业研发投入之间的相关关系；TMT与Edt在1%的水平上显着正相关，与前文论述的高管团队异质性与企业数字化转型之间存在显着正相关的研究基本一致，而数字化转型是否在高管团队异质性与企业研发投入之间具有中介作用还需要在后续分析中进行验证。表3中被解释变量与大部分控制变量具有显着的相关系数，表明本文选取的控制变量科学、合理，且各控制变量相关系数绝对值基本在0.5以下，说明模型中不存在严重的多重共线性问题。
（三）回归结果分析
根据BP检验以及Hausman检验结果，本文选取固定效应回归模型。表4所示为不同模型的回归系数和显着性情况，以下将对模型的回归结果进行分析。
模型1中高管团队异质性系数α1为2.119，在1%水平上与研发投入显着正相关，说明高管团队的背景差异与企业研发资源投入具有密切关联。从经济意义上讲，高管团队异质性每提高1个单位，企业研发投入将提高2.119%。进一步证明异质性较高的管理团队可以帮助企业快速抓住创新机会，并综合利用自身优势为企业提供较多资源保障，从而提高研发投入，回归结果与H1相符。
模型2中高管团队异质性对数字化转型的相关系数β1（0.759）在1%水平上显着为正，模型3中数字化转型对企业研发投入的相关系数γ2（0.519）在1%水平上呈显着正相关，说明数字化转型中介效应成立，由于模型3高管团队异质性系数γ1（1.725）在1%水平上显着，因此数字化转型在高管团队异质性与企业研发投入之间具有部分中介作用，中介效应大小为0.228（β1γ2 /α1）。上述回归结果进一步说明异质性较高的高管团队更愿意实施数字战略推动企业数字化转型，企业一方面可以通过数字技术将海量数据转化为信息资产和数字资源并运用智能分析动态调整创新投入与创新目标；另一方面可以降低投资者与企业内部的信息不对称现象，从而提高企业融资能力，获得更多资金支持以促进研发投入，H2得以验证。
（四）进一步分析
通过上述分析，可知高管团队异质性可以通过数字化转型显着提高企业研发投入水平，但是具体哪些方面的高管背景异质性具有上述作用依然存有疑问。因此，本文进一步从年龄、性别、教育背景、海外背景、职业背景和政治背景六个维度对原模型高管团队异质性综合指标进行替换，继续探讨其与数字化转型、研发投入的相关关系。表5列示了不同维度的回归结果。
1.不同维度高管团队异质性与企业研发投入
模型1中高管团队年龄（Age）、性别（Gender）异质性的回归系数在1%水平上显着为负，说明其对企业研发投入存在抑制作用。可能原因在于男女思维差异较大，且不同年龄阶段高管的创新意愿、风险承担水平存在较大差距，容易产生代沟，加重群体之间的误解与偏见，不利于企业增加研发投入。
高管团队教育（Edu）、海外（Sea）和职业（Work）背景异质性的回归系数均在1%水平上显着为正，意味着这三个维度的异质性程度越高，越有助于促进企业研发投入水平提升。从经济意义上讲，其异质性每提高1个单位，企业研发投入分别提高1.216%、2.286%、2.246%。分析原因可能在于：一方面，高学历高管的学习思维能力、高知识储备强度与低学历高管在晋升过程中拥有的丰富工作经验、职业技能相结合，在进行创新时目光更长远，更有利于制定符合公司利益的持续性研发投入决策；另一方面，海外背景高管的国际视野与本土高管熟悉国内政策、环境的优势互补，有利于在企业研发创新与国际接轨的同时为其提供政策和资金支持；而高管职业背景多元化意味着其成员具有不同领域的专业知识和人脉关系，能够在扩展企业认知范围的同时提供资源优势，从而增加研发投入。研究结果表明高管政治背景异质性对研发投入没有影响。
2.数字化转型的中介效应在不同维度的表现
根据模型2回归结果，高管团队教育（Edu）、海外（Sea）背景异质性对数字化转型（Edt）的回归系数均在1%水平上显着为正，说明其有助于推动企业进行数字化转型，同时模型3数字化转型（Edt）对企业研发投入（R&D）的相关系数也在1%水平上显着为正，因此数字化转型在高管团队教育背景、海外背景异质性对企业研发投入的影响中发挥中介效应。由于模型2中高管团队职业背景异质性与数字化转型的相关系数并不显着，因此根据温忠麟等[23]对中介效应的检验步骤对其职业背景异质性、数字化转型和企业研发投入进行bootstrap检验，检验结果中间接效应区间不包含0，且在1%水平显着，所以数字化转型在高管团队职业背景异质性与企业研发投入之间的中介效应成立。而高管年龄、性别、政治背景异质性由于在模型2中系数不显着或显着方向相反，因此中介效应不成立。综合上述分析，高管团队教育背景、海外背景、职业背景异质性可以通过推动数字化转型增加企业研发投入。
（五）稳健性检验
1.替换变量法
本文通过替换被解释变量和中介变量进行稳健性检验，被解释变量企业研发投入采用相对值即研发投入总额与总资产的比值作为衡量指标，中介变量数字化转型采用年报中相关词汇的词频加1后取自然对数进行计算，从而检验实证结果的可靠性。
表6列示了变量替换后的回归结果，模型1中高管团队异质性和企业研发投入回归系数在1%水平上显着，根据模型2高管团队异质性对数字化转型的回归系数，以及模型3数字化转型对企业研发投入的回归系数可以看出数字化转型的中介效应依然成立。因此，H1和H2再次得到验证。由此可以看出，替换指标后，各变量之间的关系并没有发生实质性改变，说明模型的回归结果具备良好的稳健性。
2.内生性检验
由于模型中企业研发投入与数字化转型可能存在反向因果关系即内生性问题，因此本文参考段华友等[18]的方法，选用相同行业、相同时间的其他企业数字化转型均值（Edt_mean）作为工具变量，使用两阶段最小二乘法（2SLS）进行内生性检验。第一阶段采用内生解释变量对工具变量进行回归，得到拟合值，结果显示，其系数在1%的水平上显着为正；第二阶段，采用被解释变量企业研发投入对第一阶段的拟合值进行回归，回归系数依然在1%水平显着，因此不具有内生性问题。具体回归结果如表7所示。
五、结论与建议
本文以2010—2021年沪深A股上市公司相关数据为样本，对高管团队异质性、数字化转型和企业研发投入三者之间的关系运用中介效应模型进行实证研究，并得出以下结论和建议：
（一）研究结论
其一，高管团队异质性有助于企业提高研发投入水平，且数字化转型在其中具有部分中介作用。异质性高的管理团队，其社会网络、社会资本和社会阅历更丰富，并且受自身经历烙印影响更愿意推动数字化转型，其多元化的背景在促进企业数字知识学习的同时加快了数字技术与研发创新、生产方式创新等相互融合的速度，有利于更好地协调企业内外部资源增加创新投入。
其二，高管团队异质性的不同维度对企业研发投入具有差异化影响。其中年龄、性别异质性对研发投入具有抑制作用，可能是由于男女思维存在较大差异，不同年龄段高管在创新意愿、风险承担水平方面存在代沟，阻碍了对研发创新的投入。教育、海外、职业背景异质性对研发投入具有促进作用，其中海外、职业这两个异质性维度促进程度最多，教育次之。其可能原因在于：高学历高管的知识储备与低学历高管的工作经验相结合，在创新时目光更长远；海外背景异质性高管在制定研发决策时具有国际化和市场化特征，更具有创新意识；职业背景多元化意味着其成员在不同类型的工作岗位历练过，可以为研发投入增长提供更多资源优势。因此，这三个维度的异质性均能有效促进研发投入，并在一定程度上弥补了年龄、性别异质性对研发投入造成的负面影响。
（二）政策建议
第一，企业可以适当提升高管团队教育、海外和职业背景异质性水平，利用其对研发投入的提升作用缓解其年龄、性别异质性对研发投入的不利影响，优化管理团队结构。一方面，企业在聘用高管时可优先选择具有上述三个维度异质性的成员，同时在企业内部创造机会鼓励部分高管继续深造、参加海外学习和工作以及开展不同领域职业培训，适当提高高管团队异质性；另一方面，构建内部信息交流平台，加强不同特征高管之间的沟通，从而强化异质性带来的优势，克服年龄代沟和思维差异带来的弊端，更好地促进企业研发创新。
第二，深入推进企业数字化转型，充分发挥数字化转型的中介效应。首先，企业可以根据自身业务需求，利用大数据、云计算、AI等数字技术工具，智能分析并动态调整研发投入与创新目标，推动创新投入需求向精准模式转变；其次，企业在数字化转型过程中进一步整合内外部资源，节约生产和管理成本，将更多资源投入创新进而提高研发投入水平；最后，利用数字技术增强企业信息披露的透明度和及时性，减少投资者与企业内部的信息不对称现象，从而塑造良好企业形象，提高融资能力，以获得更多政策和资金支持，促进研发投入。
【参考文献】
［1］ 苏媛，李广培.绿色技术创新能力、产品差异化与企业竞争力——基于节能环保产业上市公司的分析［J］.中国管理科学，2021，29（4）：46-56.
［2］ ROGAN M，MORSM L.A network perspective on individual-level ambidexterity in organizations［J］.Organization Science，2014（4）：1860-1877.
［3］ 胡安琴.业财融合下创效型数据资产的会计计量与披露［J］.会计之友，2023（4）：134-139.
［4］ WEN H W，ZHONG Q M，LEE C C.Digitalization，competition strategy and corporate innovation：evidence from Chinese manufacturing listed companies［J］.International Review of Financial Analysis，2022，82.
［5］ HAMBRICK D C，PHYLLIS A M.Upper echelons：the organization as a reflection of its top managers［J］.Academy of Management Review，1984，9（2）：193-206.
［6］ 朱明琪，张甫香.高管团队、企业创新与企业绩效——基于企业创新中介作用的实证研究［J］.会计之友，2018（22）：64-71.
［7］ 刘鑫，李小玉，薛有志.职能背景、团队冲突与企业创新［J］.科学学研究，2020，38（2）：357-372.
［8］ 郭军，麻环宇.高管团队异质性、内部控制与企业技术创新［J］.统计与决策，2022，38（17）：174-178.
［9］ 邓新明，罗欢，龙贤义，等.高管团队异质性、竞争策略组合与市场绩效——来自中国家电行业的实证检验［J］.南开管理评论，2021，24（4）：103-117.
［10］ SARTO F，SAGGESE S，VIGANO R，et al.Human capital and innovation：mixing apples and oranges on the board of high-tech firms［J］.Management Decision，2019，58（5）：897-926.
［11］ 乐云，万静远，张艳.高管团队异质性、政府支持与重大工程绩效［J］.科研管理，2021，42（8）：201-208.
［12］ 郭天娇，邹国庆.高管团队异质性、惯例更新与商业模式创新：有调节的中介效应模型［J］.商业研究，2020（7）：8-14.
［13］ 白福萍，刘东慧，齐鲁光.高管团队外部关系网络、合作创新与企业数字化转型 ［J］.哈尔滨商业大学学报（社会科学版），2023，188（1）：86-100.
［14］ 阳镇，陈劲，商慧辰.何种经历推动数字化：高管学术经历与企业数字化转型［J］.经济问题，2022，518（10）：1-11.
［15］ VAHID J S，ALEXEIS G P，ELENA C，et al.Exploring the impact of digital transformation on technology entrepreneurship and technological market expansion：the role of technology readiness，exploration and exploitation［J］.Journal of Business Research，2021，124：100-111.
［16］ 贾军，薛春辉.区块链应用对客户关系治理与企业创新关系影响研究［J］.软科学，2022，36（8）：123-129.
［17］ 宫奎，王贵和.云技术给企业创新管理带来哪些影响［J］.人民论坛，2017（10）：88-89.
［18］ 段华友，杨兴柳，董峰.数字化转型、融资约束与企业创新［J］.统计与决策，2023，39（5）：164-168.
［19］ ZHOU ZS，LI Z.Corporate digital transformation and trade credit financing［J］.Journal of Business Research，2023，160.
［20］ 张明，蓝海林，陈伟宏，等.殊途同归不同效：战略变革前因组态及其绩效研究［J］.管理世界，2020，36（9）：168-186.
［21］ 吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］.管理世界，2021，37（7）：130-144，10.
［22］ 申明浩，庞钰标，谭伟杰.道不同可相为谋：高管团队异质性与企业数字化战略［J］.南方金融，2023（1）：50-64.
［23］ 温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014，22（5）：731-745.
